基于卷积神经网络和二进制K-means的图像快速聚类

• 作者: 万建平 吴志兵 唐永旺 李弼程 柯圣财
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 深度学习 图像聚类 卷积神经网络 二进制K-means 多索引哈希
• 年，卷（期）: 2017,（5）
• 页码范围: 970-979
• 页数: 10页
• 分类号: TP391
• 字数: 5779字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.05.014

摘要

当前主流的图像聚类方法采用的视觉特征缺乏自主学习能力,导致其图像表达能力不强,而且传统的聚类算法计算复杂度较高,聚类效率低,难以适应大数据环境.针对这些问题,本文提出了一种基于卷积神经网络和二进制K-means的图像快速聚类方法.首先,利用卷积神经网络学习图像内容的内在隐含关系,得到图像高阶特征,增强特征的视觉表达能力和区分性;然后,利用哈希方法将高维图像特征映射为低维二进制哈希码,并通过对聚类中心构造多索引哈希表来加速寻找最近的聚类中心,以降低时间复杂度;最后,利用二进制K-means完成二进制哈希码的快速聚类.在ImageNet-1000图像集上的实验结果表明,本文方法能够有效地增强图像特征的表达能力、提高图像聚类效率、性能优于当前主流方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯圣财	解放军信息工程大学信息系统工程学院	4	62	4.0	4.0
2	唐永旺	解放军信息工程大学信息系统工程学院	6	30	4.0	5.0
3	李弼程	华桥大学计算机科学与技术学院	1	5	1.0	1.0
4	吴志兵		11	8	2.0	2.0
5	万建平		1	5	1.0	1.0